Python爬虫之用jsonpath解析淘票票

文章讲述了如何使用Python的urllib库通过URL和headers发送GET请求到淘宝电影API,获取内容后进行JSON解析,提取导演列表的过程,提醒注意请求头设置和编码问题。
摘要由CSDN通过智能技术生成
import urllib.request


url = 'https://dianying.taobao.com/showAction.json?_ksTS=1706607773138_64&jsoncallback=jsonp65&action=showAction&n_s=new&event_submit_doGetSoon=true'
headers = {
    'Accept':'text/javascript, application/javascript, application/ecmascript, application/x-ecmascript, */*; q=0.01',
    #'Accept-Encoding':'gzip, deflate, br',
    'Accept-Language':'zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6',
    'Bx-V':'2.5.10',
    'Cookie':'t=1711f0888e4c2a7e91b85fe007a61511; cookie2=1939a42c5bfbadf3a50d13aaf53a3948; v=0; _tb_token_=e7b61e81f3e53; cna=hrI/HudTx0sCAW8xRmtQHefK; xlly_s=1; tb_city=610100; tb_cityName="zvewsg=="; isg=BDIybH3bg_VcrL_J6P1WPg64g3gUwzZdz7m8k_wJ3OXQj9CJ5FCmbUyufysz_671; tfstk=eS2w3mx-LOBNka-7_XDqThBlAEMthYQ53-gjmoqmfV0Gk5M4glaZGPZmlxz4urusiNH_3ykTd59j5NH4mzMVPa65FlEtBxb5PM0tiZMAb2NpWTZTXHc1GO5dFK-ke6SKQ7K1rBlCru03LbXEx9Gaj2JzvJoisCEi8KJ4LWlZrLgenK2EbgSXkD0pK-FwoIlivDu5YMkgg9gEY31HGIdx6WnEPGI9MIhivDu5YMRvMfH-Y4sOX',
    'Referer':'https://dianying.taobao.com/?spm=a1z21.3046609.city.11.32c0112a7jFe7B&city=610100',
    'Sec-Ch-Ua':'"Not_A Brand";v="8", "Chromium";v="120", "Microsoft Edge";v="120"',
    'Sec-Ch-Ua-Mobile':'?0',
    'Sec-Ch-Ua-Platform':'"Windows"',
    'Sec-Fetch-Dest':'empty',
    'Sec-Fetch-Mode':'cors',
    'Sec-Fetch-Site':'same-origin',
    'X-Requested-With':'XMLHttpRequest',
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36 Edg/120.0.0.0',
}
request = urllib.request.Request(url = url,headers = headers)

response = urllib.request.urlopen(request)

content = response.read().decode('utf-8')

content = content.split('(')[1].split(')')[0]

with open('taopiaopiao.json','w',encoding = 'utf-8') as fp:
    fp.write(content)

import json
import jsonpath

obj = json.load(open('taopiaopiao.json',encoding='utf-8'))

director_list = jsonpath.jsonpath(obj,'$..director')
print(director_list)

需要注意的事项:

1、注意headers中哪些请求头信息不能丢。

2、如果使用json.load出现报错,那么需要注意encoding的设置。

3、获取的content需要进行切片操作才能成为标准的json文件。

  • 8
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值